Hoe zorgt data voor een blijere klant?

27 oktober 2020
Hoe zorgt data voor een blijere klant?

Wat is jouw toegevoegde waarde?

Wat is het precies dat klanten aan jouw bedrijf of product waarderen? Is het, net als bij gereedschap van Makita, de kwaliteit van je product of ben je eerder de Action van jouw branche en word je gewaardeerd om je lage prijzen? Misschien is het wel het gebruiksgemak à la Dyson waar je klanten blij van worden, of juist de beschikbaarheid, als een ijslolly op een warme dag of een taxi op een late avond. Vaak zal het een combinatie zijn: Dyson-stofzuigers zijn niet alleen heel gemakkelijk in het gebruik, ze zijn ook van goede kwaliteit. De meeste moderne bedrijven zullen een strategie hanteren die zich in eerste instantie richt op een van de drie waardedisciplines: operationele uitmuntendheid, klantvriendelijkheid of productleiderschap. Die keuze is van invloed op de manier waarop data jouw organisatie kan helpen je klanten nog blijer te maken.

Big data avant la lettre

Dit concept van data inzetten om je waardedisciplines te verbeteren, is niet nieuw, getuige dit artikel in Harvard Business Review uit 1993. Ver voor de wereld sprak over big data, werden gegevens al als cruciaal beschouwd, ongeacht de waardediscipline die je als bedrijf hanteerde. Alleen was het concept van het verspreiden van informatie een tikje anders dan wat we nu gewend zijn, zo’n dertig jaar later. Zo raakten de Acuvue-lenzen van het bedrijf Vistakon in opspraak. Gelukkig reageerde het bedrijf snel toen concurrenten de veiligheid van de lenzen in twijfel trokken: ‘Ze verspreidden informatie die de aanklachten ontkrachtten via Federal Express naar ongeveer 17.000 oogzorgprofessionals. Vistakons snelle reactie op de bezorgdheid van zijn concurrenten veroorzaakte goodwill op de markt.’ Vandaag de dag ondenkbaar, met alle snelle communicatiekanalen die we hebben, maar in die tijd was het de keuze om FedEx te gebruiken – in plaats van de gewone ‘slakkenpost’ – die cruciaal bleek voor hun succes. Net zoals vandaag de dag realtime gegevens vaak veel waardevoller zijn dan gegevens die een dag oud zijn. Zo wordt bijvoorbeeld niemand blij van de verkeersinformatie van een dag geleden. Tijden zijn veranderd, maar waardedisciplines zijn net zo belangrijk gebleven. Maar hoe zorgt data nu, binnen elk van deze disciplines, voor een hogere klanttevredenheid?

Operationele uitmuntendheid

Hier ligt de focus op het leveren van producten en diensten tegen concurrerende prijzen met maximaal gemak. Neem online supermarkt Picnic, sinds de start in 2015 uitgegroeid tot een grote speler. Met data in een glansrijke hoofdrol: Picnic gebruikt data over hun leveringen – denk aan locatie, verkeer, weer, benodigde aflevertijd etc. – en gebruikt die om hun voorspelde levertijd te verbeteren. Behalve dat dat zorgt dat ze efficiënter kunnen plannen, de kosten kunnen verlagen en zo de prijs-kwaliteitverhouding kunnen verbeteren, geeft het ook hun klanten meer vrijheid. We weten allemaal hoe tenenkrommend het is om te horen dat je nieuwe koelkast, je boodschappen of je nieuwe jeans ergens tussen 12.00 en 18.00 uur wordt bezorgd. Dat doet Picnic beter. Door machine learning toe te passen op alle gegevens die ze verzamelen en hun modellen voortdurend verder te trainen, worden hun voorspellingen steeds beter. Klinkt geavanceerd – en dat is het natuurlijk ook – maar de technologie is gewoon beschikbaar. Niet alleen voor de giganten.

Klantvriendelijkheid

Bij deze waardediscipline gaat het om het managen van de klantervaring, en niet alleen om het product of de dienst. Het draait allemaal om het afstemmen van service, product en communicatie op de individuele klant. Voor een goede klantervaring zijn communicatie en planning essentieel en is verwachtingsmanagement cruciaal. Laten we eens kijken naar een ander Nederlands succesverhaal: Coolblue, dé webshoppionier die zich onderscheidt door zijn briljante service. Het bedrijf verkoopt producten, maar richt zich vooral op de service die het levert. Net als bij Picnic zijn ook voor Coolblue kleinere tijdsloten erg belangrijk. Maar hun bezorgers hebben nog een veel belangrijkere taak: vertrek pas als je zeker weet dat de klant heeft ontvangen wat hij wilde en in staat is om het te gebruiken zoals hij had verwacht. Dit betekent dat ze vaak een stap verder gaan. Uitleg geven over de nieuwe televisie of oven, of de installatie van de nieuwe wasmachine? Geen probleem. En dankzij een goed beheer van hun data, kunnen ze deze inzetten om hun klantvriendelijkheid te vergroten. Hebben de bezorgers vertraging opgelopen bij de vorige klant? Dan bellen ze om een nieuwe afspraak te maken op een tijd die bij de klant past. Ze hebben alle informatie over de klant die op dat moment relevant is, zodat ze niet van alles hoeven te vragen. ‘Ik zie dat je op de derde verdieping woont. De laatste keer dat we product x bezorgden, hebben we die bovengebracht. Zullen we dat deze keer met product y weer doen?’ Je voelt je als klant geen nummer. Coolblue zou zomaar een ouderwetse webshop zijn zonder de inzet van data. Hoe cool is het dat je een paar dagen voor het verstrijken van de proefperiode, een mail ontvangt. Zo kun je het product nog netjes op tijd retourneren, mocht je dat willen. Data inzetten voor de verbetering van je klantvriendelijkheid gaat over het perfect invullen van de behoefte van je klant. Simpelweg omdat je je producten kent als geen ander, je klant begrijpt als geen ander, en die – dankzij een enorme hoeveelheid data – met elkaar weet te verbinden.

Productleiderschap

Productleiderschap wordt bereikt door continue innovatie. Apple is een groot voorbeeld hiervan, maar mijn persoonlijke favoriet is Tesla. Elke Tesla-auto genereert elke dag gigabytes aan data. Al deze gegevens worden verzameld, geanalyseerd en ingezet om de software in de auto’s aan te passen, zodat de auto nog veiliger en gebruiksvriendelijker wordt. Dankzij machine learning is het mogelijk te voorspellen wanneer onderhoud nodig is. Maar data wordt ook gebruikt om productontwerpen en gebruikte materialen aan te passen. Als je precies weet hoe je producten dag in dag uit worden gebruikt, neem je toch anders beslissingen dan wanneer je op je onderbuikgevoel moet vertrouwen. En ook al is er vast niets mis met het onderbuikgevoel van Elon Musk, meestal is het een stuk prettiger om zakelijke beslissingen te baseren op iets stevigers, zoals data.

Waardestrategie MostWare Next

Twaalf ambachten, dertien ongelukken

Veel bedrijven zullen zich op alle drie de fronten inzetten. En waarom niet? Een focus hebben op de ene waardediscipline betekent niet dat je geen verbeteringen mag aanbrengen in de andere twee. Het gevaar is echter dat je je middelen te gespreid inzet en uiteindelijk op geen van de fronten voordeel behaalt. Maar als je er eenmaal één onder de knie hebt, is er geen reden om je niet ook op een tweede te richten. Neem Amazon. Oorspronkelijk lag de focus van het bedrijf duidelijk op operationele uitmuntendheid. Maar dankzij kunstmatige intelligentie kwam daar nog iets bij, las ik onlangs. Amazon liet camera’s registreren hoe medewerkers producten verpakten in een distributiecentrum. Traditioneel gezien werkten werknemers één pakket af, drukten daarna op een knop op een apparaat aan hun pols, waarna het volgende product op hun werkbank viel. Wat bleek? Op basis van de gegevens van de bewegingscamera’s konden er voorspellingen worden gedaan wanneer een medewerker klaar zou zijn voor het volgende pakket. Het resultaat was een besparing van enkele seconden per pakket. Klinkt niet significant totdat je dat vermenigvuldigt met het aantal pakketten dat Amazon op een dag verwerkt. Dat is een voorbeeld van het soort ‘saaie AI’ waar ik graag over hoor. Maar Amazon heeft de middelen om veel verder te gaan en heeft met Amazon Prime ook terrein gewonnen op het gebied van klantvriendelijkheid. Service, communicatie, verwachtingsmanagement, het verfijnen van kortingen en aanbiedingen en natuurlijk het beter leren kennen van de klant. En dat allemaal dankzij data.

Zin in een data-date?

Ben je geïnspireerd? Die inspiratie werken we graag samen met je uit op een data-date. Ga bij jezelf eens te rade welke databronnen je hebt en welke vragen je daaraan zou willen stellen, welke antwoorden je in die bronnen zou willen vinden. Heb je daar een beeld bij? Regel dan een data-date met een van onze mensen. Vraag hier je intakegesprek aan.